#17 · 主分类： MLOps与评测
deepeval
LLM评估框架
项目最后更新：08/29/26
GitHub Stars
18.0K
Forks数量
1.9K
贡献者数量
336
许可证
Apache-2.0
收录理由
DeepEval 把大模型评估做得像代码测试一样：你针对应用输出写断言，就能拿到打分结果。它的指标库覆盖幻觉、答案相关性、忠实度、智能体任务完成度、工具调用正确性以及多轮对话质量，而且不少指标可以在本地运行，不必为每次检查都付费调用裁判模型。对于正在迭代 RAG 流水线、智能体或聊天机器人的团队，想在改动落地前对比不同模型版本、提示词和架构，这套工具相当顺手。它还支持多模态输出和基于 MCP 的智能体评估，并不局限于纯文本对话。如果你希望评估成为开发循环里可重复的一环，而不是事后补救，这里是个务实的起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具